5 Langkah untuk Mendukung Pengambilan Keputusan Pemasaran Melalui Data

Baru-baru ini saya berbicara di sebuah konferensi untuk salah satu klien kami, dan saya bertanya, "Apa tantangan terbesar Anda dalam hal pengukuran?" Beberapa hal yang saya dengar dari ruangan berisi 150+ pemasar ini adalah:

“Terlalu banyak hal untuk diukur”

“Membuat hasil dapat dimengerti dan dapat diterapkan”

“Kemudahan penggunaan platform analitik”

“Integrasi antar alat”

“Apa yang memiliki nilai sekarang mungkin tidak memiliki nilai di masa depan”

Apakah hal-hal ini yang Anda rasakan atau pikirkan? Mari kita hadapi itu. Mendapatkan gambaran yang jelas tentang kinerja dan keefektifan adalah sesuatu yang sebagian besar tim pemasaran perjuangkan dalam kapasitas tertentu. Faktanya, dalam edisi terbaru survei pemasaran konten tahunan mereka, teman-teman kami di Content Marketing Institute/MarketingProfs menemukan bahwa hampir separuh pemasar B2B kesulitan dalam mengintegrasikan/menghubungkan data di seluruh platform dan 45% mengatakan bahwa mereka tidak memiliki KPI penetapan tujuan organisasi untuk mengukur terhadap. Ini adalah hal-hal dasar yang kami tahu harus kami lakukan, namun bahkan di tahun 2023, pemasar kesulitan melakukannya.

Cara Strategis Menggunakan Data sebagai Pemasar

Agar strategis dalam upaya pemasaran kami, kami perlu mengetahui audiens kami, kami perlu memiliki kejelasan seputar data kami, kami harus dapat memahami data kami, dan kami perlu bereksperimen dengan data kami. Tanpa pendekatan yang bijaksana dan strategis untuk mengumpulkan dan mengukur data kami, kami tidak dapat secara efektif menggerakkan mesin pembuat keputusan pemasaran kami.

Berikut adalah lima hal yang harus dilakukan setiap tim untuk membangun kerangka pengukuran strategis dan mengambil tindakan berdasarkan apa yang sedang diukur.

1. Dasarkan Upaya Anda dalam 9 Jenis Data Audiens

Dalam survei yang dilakukan terhadap 1.000 konsumen, SmarterHQ menemukan bahwa “72% konsumen mengatakan bahwa mereka sekarang hanya terlibat dengan pesan pemasaran yang dipersonalisasi dan disesuaikan dengan minat mereka.” Mereka juga menemukan bahwa masalah ini bahkan lebih akut di kalangan pembeli bisnis, “82% di antaranya mengatakan layanan pelanggan yang dipersonalisasi memengaruhi loyalitas.” Itu seharusnya tidak mengejutkan—bukankah kita semua merasa frustrasi saat mendapatkan iklan atau email yang sama sekali tidak relevan dengan kebutuhan khusus kita?

Untuk memastikan bahwa kami memiliki gambaran yang jelas tentang apa yang penting bagi audiens kami, kami perlu mengumpulkan informasi di luar informasi dasar. Apakah organisasi Anda mengumpulkan dan memelihara catatan pelanggan yang mempertimbangkan 9 area berikut?

• Demografis
• Geografis
• Perilaku
• Psikografis
• Hubungan pelanggan
• Preferensi saluran
• Teknologi
• Media sosial
• Persetujuan dan preferensi

2. Satukan Data Anda

Teman-teman kami di survei "Unifikasi & Manajemen Data" Ascend2 menemukan bahwa 71% pemasar setuju bahwa menerapkan strategi untuk menyatukan dan mengelola data agak atau sangat rumit. Kami telah melihat ini di antara klien kami sendiri, dari lembaga keuangan besar hingga merek perawatan kesehatan terkenal ; Saya memiliki begitu banyak klien yang memberi tahu saya bahwa proses penyatuan data mereka berat dan melibatkan terlalu banyak tim.

Namun, kenyataannya adalah: tidak akan pernah ada waktu yang lebih baik dari hari ini untuk menyatukan data Anda. Kita semua bergerak menuju masa depan yang lebih dipersonalisasi dan berdasarkan data, dan dengan mengingat hal itu, kita perlu memprioritaskan proses membangun satu sumber kebenaran yang membantu tim kita dapat melaporkan dampak, dan juga memberikan hasil yang lebih dipersonalisasi pengalaman bagi pelanggan kami.

3. Berinvestasi dalam Kualitas Data

Saya baru-baru ini menerima email dari Twitter, mengumumkan perubahan namanya menjadi X Corp. Kecuali itu tidak ditujukan kepada saya, itu ditujukan ke "Stacy K." Saya kemudian mendapat email tindak lanjut yang memberi tahu saya bahwa email pertama adalah kesalahan dan informasi saya tidakdikompromikan. Perhatikan (di bawah) bahwa mereka bahkan tidak repot-repot memasukkan personalisasi dalam email ini (hanya tertulis "Halo"):

Kesalahan manusia semacam ini dapat merusak reputasi karena, paling-paling, itu membuat merek Anda terlihat bodoh, dan paling buruk, merusak kepercayaan. Untuk membuat keputusan yang lebih baik melalui data, kami harus memastikan kualitas data kami tinggi. Untuk melakukannya, pertama-tama, kami harus secara rutin melakukan audit terhadap data kami:

• Secara konsisten meninjau proses dan standar kami untuk entri/impor data.
• Periksa kualitas data secara berkala.
• Tinjau bagaimana data kami digunakan/ditambah oleh berbagai kelompok pemangku kepentingan kami.

Selain itu, tata kelola dan pelatihan tim sangat penting untuk pemeliharaan kualitas data; ini bukan hanya tentang infrastruktur atau data itu sendiri, tetapi juga orang-orang yang mengawasi pembuatan dan penggunaannya.

4. Manfaatkan AI dan Pembelajaran Mesin

Anda mungkin ingat artikel berpengaruh Charles Duhigg untuk The New York Times pada tahun 2012, di mana dia mengungkapkan bagaimana tim ilmu data Target dapat menentukan pelanggan mana yang kemungkinan besar hamil, bahkan sebelum mereka secara eksplisit melakukan pembelian terkait bayi. Mereka melakukan ini melalui keuletan dan banyak eksperimen, tetapi saat ini, alat yang diperkuat AI seperti Optimizely atau Persado dapat mempermudah untuk mengidentifikasi kelompok pelanggan, menargetkan ulang mereka, dan bahkan menayangkan salinan halaman web atau iklan secara dinamis berdasarkan apa yang diketahui. Pengambilan keputusan pemasaran semacam ini bahkan tidak memerlukan campur tangan manusia setelah sistem disiapkan.

Tetapi bahkan tim kecil pun dapat menggunakan alat AI yang tersedia secara publik untuk melakukan penelitian guna lebih memahami audiens mereka. Anda dapat masuk ke ChatGPT dan mengetikkan pertanyaan seperti, “Apa faktor terpenting saat [target audiens Anda] mempertimbangkan untuk membeli [produk Anda]?” Kuncinya di sini adalah untuk lebih spesifik; jawaban yang mungkin Anda dapatkan untuk “Milenial” akan jauh lebih tidak spesifik dibandingkan dengan “Pemilik bisnis milenial dengan anggaran terbatas”.

5. Uji Hipotesis Anda

Selain itu, data tidak boleh statis. Untuk terus meningkatkan dan belajar dari data Anda, Anda harus membuat hipotesis dan menyiapkan pengujian untuk melihat mana yang benar dan mana yang tidak.

Saat saya berbicara dengan tim pemasaran, bukan berarti mereka tidak memiliki keinginan untuk menguji. Seringkali, mereka tidak menerapkan mekanisme untuk menguji secara konsisten.

Bangun pengujian ke dalam kalender konten Anda . Jika setiap konten dan setiap kampanye memiliki pengujian yang ditetapkan padanya dan pembuatan aset untuk mendukung pengujian tersebut dibangun ke dalam proses produksi, Anda akan dapat belajar dengan cepat dan konsisten dengan setiap pelaksanaan pemasaran.

Untuk membuat keputusan yang lebih baik menggunakan data Anda, pada akhirnya, Anda perlu memastikan bahwa Anda memiliki data yang berhubungan kembali dengan tujuan Anda. Itu belum tentu hal-hal seperti jumlah pengikut atau jumlah pelanggan. Sebaliknya, ini mungkin merupakan kumpulan menyeluruh tentang bagaimana interaksi dan konversi terlihat pada setiap tahap pelanggan secara agregat.

Daripada mencari kejelasan dalam jumlah individu atau kinerja konten kami, kami perlu mencari perubahan dalam keseluruhan kinerja dan pendekatan strategis untuk pengembangan pemasaran. Itu mengharuskan kami memiliki lebih banyak data, tetapi juga alat untuk membantu kami memahami gambaran besarnya, dengan memungkinkan kami menghubungkan data dengan tujuan gambaran besar kami.

Ingin mempelajari lebih lanjut tentang bagaimana tim Anda dapat meningkatkan pekerjaan sehari-hari Anda dengan AI?Klik di sini untuk mempelajari tentang webinar Kesiapan AI kami yang akan datang: